数字图像处理实验报告

数字图像处理实验报告数字图像处理讲师：梁义雄编号：10完成日期：2008.4数字图像处理实验报告实验1基本数字图像操作和灰度调整10实验2数字图像的空间域频域滤波11一、实验目的11二、实验内容和要求11三、实验原理和算法分析12四、实验步骤16五、实验结果分析和讨论21六、参考37数字图像处理实验报告实验1基本的数字图像操作和灰度调整一、该实验的目的是掌握使用MATLAB语言读取图像数据和信息的方法。掌握绘制灰度直方图的方法，了解灰度直方图的灰度变换和均衡方法。二、实验内容和要求将几个图形文件（例如forest.tif和b747.jpg）复制到MATLAB目录下的工作文件夹中。熟悉MATLAB语言中图像数据读取和显示的基本功能。特别是，您需要熟悉以下命令：熟悉imread（）函数，imwrite（）函数，size（）函数，Subplot（）函数，Figure（）函数。读取MATLAB目录中工作文件夹中的forest.tif图像文件。使用imread，imfinfo和其他文件观察图像数据，并了解在MATLAB中对数字图像进行处理是为了处理矩阵。

显示此图像（使用imshow）。尝试修改地图颜色矩阵的值，然后显示图像以观察图像颜色的变化。读取MATLAB目录中工作文件夹中的b747.jpg图像文件，使用rgb2gray（）将其转换为灰度图像，并将其记录为变量B。图像灰度转换处理在图像增强中的作用是在不同情况下读取图像。请编程并调用Matlab函数，以使用常见的灰度转换函数对输入图像执行灰度转换，并比较相应的处理效果。绘制图像灰度直方图的方法，图像的均衡化，请编程并调用Matlab函数以完成以下实验。显示B的图像和灰度直方图，可以发现其灰度值集中在某个区域，使用不可调数将其灰度值调整为[0,1]，观察调整后的图像与原始图像的差异。 ，即调整后的灰色直方图和原始灰色直方图之间的差异。如图所示执行分段线性变换处理，并尝试将相似性和差异与直方图均衡处理进行比较。图1.1分段线性变换函数数字图像处理实验报告灰度变换灰度变换是图像增强的重要手段。它通常用于更改图像的灰度范围和分布。它是图像数字化和图像显示的重要工具。图像反转可以通过对数运算获得灰度范围为[0，L-1]的图像反转：有时原始图像的动态范围太大，超出某些显示设备的允许动态范围，例如直接使用原始图片，可能会丢失一些细节。

解决方案是对原始图像执行灰度压缩，例如对数可变对比度拉伸：在实际应用中，为了突出显示图像中感兴趣的对象，通常需要局部扩展和拉伸图像。一定范围的灰度值，或对不同范围的灰度值进行不同的拉伸处理，即分段线性拉伸：对应的数学表达式为：直方图均衡灰度直方图的横坐标为灰度，纵坐标为灰度的频率，这是图片的最基本统计功能。根据定义，在离散形式（r）中，以下公式成立：灰度像素数，n是图像像素总数，n是频率。直方图均衡化处理是基于累积分布函数变换方法的直方图校正方法。假设变换函数是Lena图像1.2 Lena图像的直方图和直方图。当灰度是离散值时，概率值可以通过频率（即灰度数）来近似，n是图像的像素总数。因此，积分可以表示为以下累积分布函数（CDF）。熟悉基本功能文件的读取和信息显示，图像数据的读取和以MATLAB语言显示： [X，map] = imread（'forest .tif'）; subimage（X，map）;我= imread（'forest.tif'）; imshow（I）; imfinfo（'forest.tif'）;映射颜色矩阵修改[X，map] = imread（'forest.tif'）; map1 = map + map; subimage（X，map1);灰度图像转换RGB = imread（'b747.jpg'）; B = rgb2gray（RGB）;数字图像处理关于图像灰度转换处理在图像增强中的作用的实验报告g1 = imadjust（I，[0 g2 = imcomplement（g1); g3 = im2uint8（mat2gray（log（1 + double（I））））））;图像灰度直方图显示和灰度调整imhist（B）; imhist（J）; subimage（J）; histeq（I）; Figure，plot（（0:255)/ 255，T）;如图所示，进行分段线性变换处理，尝试与直方图均衡处理进行比较。

x1 = 0：0.01：0.125； x2 = 0.125：0.01：0.75; x3 = 0.75：0.01：1; y1 = 2 * x1; y2 = 0.25+ 0.6 *（x2- 0.125); y3 = 0.625+ 1.5 *（x3- 0.75); x = [x1 ，x2，x3]; y = [y1，y2，y3]; subplot（2,2，4); plot（x，y）;五、熟悉MATLAB语言的实验结果的分析和讨论图像数据读取，显示和其他基本功能图像文件读取和图像数据观察1.3真彩像和灰度图像显示和文件名：'F：\ MATLAB \ R2007a \ toolbox \ images \ imdemos \ forest .tif'FileModDate：'04- 2000年12月13:57:58'FileSize：124888 Format：'tif'FormatVersion：Width：447 Height：301 BitDepth：ColorType：'indexed'FormatSignature：[73 73 42 ByteOrder：'little -endian'NewSubFileType：Compression：' PackBits的PhotometricInterpretation：“ RGB调色板” StripOffsets：[17x1 double] SamplesPerPixel：RowsPerStrip：18 StripByteCounts：[17x1 double] XResolution：72 YResolution：72 ResolutionUnit：“ Inch” Colormap：[256x3 double] PlanarConfiguration：'Chunky'TileWidth：GrayResponseUnit ：0.0100 MaxSampleValue：255 MinSampleValue：图片说明：'Carmanah加拿大不列颠哥伦比亚省的远古森林地图图像颜色变化的颜色矩阵修改数字图像处理实验报告图1.4原始图像和地图矩阵值加倍后的图像。新的颜色矩阵值变为原始文件的2倍，图像变亮，并且颜色R，G和B值得到增强。

将图像文件转换为灰度图像1.5彩像和转换后的灰度图像。灰度变换处理在图像增强中的作用。数字图像处理实验报告图1.6灰度变化增强（图像反转，互补，对数变换）在图中，对图像文件执行基本的灰度变换，包括通过公式s获得的图像反转，倒置图像，并使用对数变换。图像灰度和灰度直方图调整图1.7灰度范围调整和直方图显示数字图像处理实验报告在原始图像中，直方图的成分集中在高灰度（明亮）侧，而图像灰度范围为[ 0,1]，因此将灰度值调整为[0,1]后直方图没有明显变化。类似地，当灰度值调整为[0，0.5]时，整个图像会变暗，并且直方图将被水平压缩。 1直方图均衡图像1.8原始图像和灰度直方图均衡结果原始图像中间目标的灰度级主要集中在高亮度部分，并且像素总数更多，并且占据了灰度级少。直方图均衡后，目标所占据的灰度级被扩展，对比度得到增强，整个图像得到增强。数字图像均衡后，其直方图不是完全均匀分布。这是因为图像的像素数和灰度级是离散值，并且均衡使灰度级合并。因此，在均衡之后，直方图不会完全均匀地分布。执行如图1.所示的分段线性变换处理图。9原始图像和灰度直方图均衡结果。数字图像处理实验报告10图形1.10线性变换函数图形用于关注范围内的所有灰度。为度数值指定较高的值，为其他灰度级指定较低的值，或增亮所需的范围。分段线性变换可以增加图像中特定灰度范围的亮度，通常用于图像特征值提取。

在此，降低原始图像的[0.125，0.75]的灰度值，扩大其余灰度值，并突出显示图像的低频和高频部分。六、参考Rafael C. Gonzalez。数字图像处理（第二版）[M]。阮秋琦北京：电子工业出版社，2003.3.数字图像处理实验报告11实验2数字图像的空间域滤波和频域滤波一、实验的目的是掌握频域滤波方法图片。二、实验内容和要求读出8.tif的图像，在此图像中添加盐和胡椒粉噪声以及高斯噪声，并在与先前图像相同的图像窗口中显示。选择不同的平滑（低通）模板以向图像添加噪点，并比较由不同模板形成的效果。必须在同一窗口中显示。使用功能滤镜时，低通滤波使用不同的填充方法（或边界选项，例如零填充，“复制”，“对称”和“圆形”）来显示处理后的图像。使用for循环对有椒盐噪声的图像执行10次处理，然后对平均滤镜执行20次以检查其特征并显示经过平均处理的图像（提示：使用fspecial函数的“ average”类型生成平均滤镜）。对于具有盐和胡椒噪声的图像，均值滤波和中值滤波用于处理噪声图像，并且结果必须显示在同一窗口中。

读取blurry_moon.tif的图像，并使用33 Laplacian w genlaplacian（n）自动生成奇数大小为n的任何Laplacian，例如55 Laplacian。该子项使用55、99、1515和2525 Laplacian运算符来锐化和增强blurry_moon.tif的图像。观察差异并将其显示在同一窗口中。使用不同的渐变运算符来锐化blurry_moon.tif并比较其效果。我自己设计一个锐化的空间滤波器，并处理噪声图像以显示处理后的图像；数字图像处理实验报告读取出woman.tif的图像，对其进行快速傅立叶变换，并显示其幅度图像和相位图像。仅对相位部分执行傅里叶逆变换后，检查生成的图像。将图像的傅立叶变换F设置为其共轭，然后执行逆变换，比较新生成的图像和原始图像之间的差异，设计理想的低通滤波器，巴特沃思低通滤波器和高斯低通滤波器，截止频率可选，分别给出了各种滤波器的透视图。读出test_pattern.tif的图像，用理想的低通滤波器，Butterworth低通滤波器和高斯低通滤波器（截止频率可选）对其进行滤波，然后执行逆变换以观察不同的截止频率。使用不同的低通滤波器获得的图像与原始图像之间的差异，请特别注意振铃效果。

（提示：1)也要注意频域滤波中的填充问题；2）请注意（-1)设计理想的高通滤波器，巴特沃斯高通滤波器和高斯高通滤波器，截止频率可选，给出各种滤波器的透视图，读出test_pattern.tif的图像，并用理想的高通滤波器，巴特沃思高通滤波器和高斯高通滤波器（频率可选）进行滤波，进行逆变换再次观察使用不同截止频率的不同高通滤波器获得的图像与原始图像之间的差异三、实验原理和算法分析空间域增强空间域滤波是图像中的域图像空间借助模板操作，根据输入像素对应字段中像素值的模板计算出处理后图像的每个像素的值，空间滤波是基本的y在频域空间中抑制图像的一定范围内的分量，同时确保其他分量保持不变，从而改变输出图像的频率分布，从而达到增强图像的目的。空间滤波一般分为线性滤波和非线性滤波。线性滤波器的设计通常基于傅立叶变换，非线性空间滤波的分析。滤波器通常直接在现场运行。根据其功能，各种空间滤波器主要分为平滑滤波器和锐化滤波器。可以通过低通来实现平滑，平滑的目的可以分为两类：一类是模糊，其目的是在提取更大的目标之前删除太小的细节或连接目标中的小肩部。另一种是消除噪音。

可以通过高通滤波来实现锐化。锐化的目的是增强模糊的细节。结合这两种分类方法，空间滤波增强可分为四类：线性平滑滤波器（低通）非线性平滑滤波器（低通）线性锐化滤波器（高通）非线性锐化滤波器（高通））空间滤波器均基于模板卷积，其主要步骤为：平滑滤波器数字图像处理实验报告线性平滑滤波器线性低通平滑滤波器也称为均值滤波器，该滤波器的所有系数均为正数。对于33个模板，最简单的方法是将所有系数取为1。为了使输出图像保持在原始图像的灰度值范围内，必须将模板与像素邻域的乘积除以9。 MATLAB提供了fspecial函数来生成用于过滤的模板，并提供了filter2函数来使用指定的过滤器模板对图像进行操作。函数fspecial的语法格式为：h = fspecial（type）; h = fspecial（type，parameters）;参数类型指定过滤器的类型，参数是与过滤器类型相关的特定参数。表2.1 MATLAB中预定义的滤波器类型MATLAB提供了一种函数噪波，可向图像添加噪声，其语法格式为：J = imnoise（I，type）; J =噪声（I，type，parameters）;参数类型指定噪声的类型，参数是与噪声类型相关的特定参数。

本文来自电脑杂谈，转载请注明本文网址：
http://www.pc-fly.com/a/shumachanpin/article-347332-1.html